CUPRINS

1. 2. 2.1. 2.1.1. 2.1.2. 2.1.3. 2.1.4. 2.2. 2.2.1. 2.2.2. 3. 3.1. 3.2. 3.2.1. 3.2.2. 4. 4.1. 4.2. 5. 5.1. 5.2. 5.3. Introducere Sisteme de conducere Sisteme de conducere conventionale Structura programelor de conducere Implementari tehnologice ale sistemelor de conducere Arhitecturi de conducere Concluzii Sisteme de conducere neconventionale Sisteme de conducere neuronale Sisteme de conducere fuzzy Sisteme de actionare Sisteme de actionare conventionale Sisteme de actionare neconventionale Generalitati Sisteme de actionare realizate cu lichide electrorheologice Model de robot pentru aplicarea algoritmului de comanda Model general Principiul de actionare al unui element Algoritmi de comanda pentru modelul proiectat Distributia fortelor de incovoiere Corespondenta pozitie necesara forte aplicate, respectiv presiuni aplicate Programul de simulare a miscarii robotului

5.4. 6.

Exemplu de deplasare rectilinie a robotului, utilizand pasirea cu oscilatii verticale ale corpului Bibliografie

1.

Introducere

Robotii prin structura si functiile lor reprezinta o clasa de sisteme ce sintetizeaza elemente de varf dintr-o serie de domenii tehnico-stiintifice. Este evident, deci, ca robotul reprezinta un sistem extrem de complex, descris prin modele matematice sofisticate definite prin sisteme de ecuatii diferentiale neliniare, cu parametri variabili, deterministe sau stohastice, cuprinzand un numar mare de variabile de intrare si iesire. Structura de conducere a unui robot este o structura ierarhica. Acest principiu de conducere este datorat complexitatii deosebite a sistemelor ce intra in componenta robotului si dificultatilor create de sarcinile de operare impuse. Organizarea ierarhica a sistemelor de control pentru roboti este e tip vertical, fiecare nivel ierarhic acoperind nivelul inferior sub raportul problemelor de conducere abordate. Un nivel de control comunica cu nivelul imediat inferior prin instructiuni de control si primeste de la acesta informatii caracteristice care, impreuna cu deciziile furnizate de nivelul imediat superior, ii permit sa stabileasca strategia viitoare de actiune. In general sistemele robot cuprind un numar variabil de nivele ierarhice in functie de complexitatea sistemului de conducere utilizat. Putem delimita cinci nivele ierarhice:

nivel 0 / operatorul uman comunica cu sistemul, intervenind numai in cazul schimbarii strategiei de conducere, unei avarii, sau aparitiei unei perturbatii externe neprevazute; nivel 1 / recunoasterea formelor permite luarea unor decizii adecvate la schimbarea conditiilor de lucru; nivel 2 / nivel strategic se produce defalcarea operatiei preconizate in operatii elementare; nivel 3 / nivel tactic se genereaza traiectoriile de miscare functie de gradele de libertate ale robotului; nivel 4 / nivelul executiv coordoneaza functionarea diverselor sisteme e actionare asociate gradelor de libertate ale robotului.

In functie de sistem principalele cerinte ale unui sistem de conducere pot fi: generarea traiectoriilor pentru realizarea unei miscari impuse; conducerea in circuit inchis; conducerea miscarii in contact direct cu obiectele (conducerea complianta).

Sarcinile unui sistem de conducere determina o impartire a informatiilor in doua clase, pe de o parte informatiile ce asigura regimul de miscare dorit si pe de alta parte informatii ce acopera functia tehnologica impusa robotului. Organizarea programelor de conducere reprezinta un aspect foarte important in sistemele de conducere ale robotilor, de aceasta depinzand in mare masura performantele adoptate. Se pot realiza fie programe bazate pe exploatarea secventiala a blocurilor componente in cadrul unei structuri fixe, de lungime constanta, fie prin structuri variabile de programare, in acest caz trecerea de la o comanda la alta fiind realizata intr-o maniera adaptiva, pe baza ultimelor rezultate obtinute din spatiul de operare al robotului. Complexitatea sistemului de conducere si gradul de dificultate al operatiilor executate determina adoptarea unor tehnologii specifice de implementare a legilor de conducere. Solutiile oferite de majoritatea robotilor si manipulatoarelor industriale pot fi grupate in doua clase: implementari in logica cablata si implementari in logica flexibila. Metodele de conducere conventionala se bazeaza pe o modelare corespunzatoare a sistemului supus reglarii si o tratare analitica cu ajutorul functiilor de transfer sau a ecuatiilor de stare. In majoritatea cazurilor, o tratare completa a problemei conducerii impune cunostinte avansate de matematica si sisteme de conducere. Abordarea inginereasca clasicaa realitatii este prin esenta o abordare calitativa si cantitativa, bazata pe o modelare matematica mai mult sau mai putin - exacta. Intr-o astfel de abordare, exprimari de forma temperatura potrivita, umiditate ridicata,viteza foarte mare legate de marimile caracteristice ale unui proces condus, sunt din punct de vedere cantitativ greu interpretabile. Acest lucru se datoreaza faptului ca in automatica clasica marimile/informatiile sunt prelucrate cu o valoare numerica bine precizata. In acest context si elaborarea strategiei de conducere si a dispozitivului de conducere necesita o modelare cantitativa cat mai exacta a procesului condus: strategiile de conducere avansata (adaptive, cu structura variabila) necesita chiar permanenta reevaluare a modelelor sau/si a valorilor parametrilor ce caracterizeaza aceste modele (modele parametrice). In contrast cu tehnicile conventionale, metodele fuzzy de conducere ofera solutii mult mai pragmatice, cu evidente facilitati de aplicare in domenii diverse, impunand cunostinte de nivel acceptabil in domeniul sistemelor, logica de control si tehnologie. Utilizarea logicii fuzzy in implementarea unor sisteme de conducere in conditiile absentei unei informatii totale asupra sistemului a reprezentat, de asemenea, unul din factorii care au determinat larga raspandire a controlului fuzzy in cele mai diverse domenii. Am asistat ( in ultimele doua decenii) si asistam la o adevarata explozie a tehnicilor de implementare de tip fuzzy atat in problemele clasice de control cat si in domeniul sistemelor expert, ale inteligentei artificiale sau in complexele probleme de decizii in domeniul economic. O alta metoda de abordare a conducerii neconventionale a robotilor o formeaza retelele neuronale.

Retelele neuronale artificiale sunt compuse dintr-o multime de elemente simple cu functionare paralela. Aceste elemente sunt inspirate din sistemul nervos biologic. Functionarea retelei este determinata in mare masura de conexiunile intre elemente. Modul de conectare a acestor elemente, denumite neuroni artificiali sau unitati de procesare, determina arhitectura retelei neuronale. In ultimul timp logica fuzzy si retelele neuronale formeaza sisteme de conducere neurofuzzy.

2. 2.1.

Sisteme de conducere Sisteme de conducere conventionale

Sarcinile care stau in fata unui sistem de conducere determina o impartire a informatiilor de lucru in doua clase, pe de o parte informatii ce asigura regimul de miscare dorit si pe de alta parte informatii ce acopera functia tehnologica impusa robotului.

Programele de miscare cuprind elemente de baza ale algoritmilor de miscare ce calculeaza intre anumite puncte, prin tehnici de interpolare, traiectoria robotului.

In Fig. 2.1. sunt prezentate detaliat blocurile componente ce intervin in prelucrarea informationala ce insoteste procesul de conducere al unui robot.
2.1.1. STRUCTURA PROGRAMELOR DE CONDUCERE

Organizarea programelor de conducere reprezinta un aspect foarte important in sistemele de conducere ale robotilor, de aceasta depinzand in mare masura performantele realizate si complexitatea solutiilor hardware adoptate.

Cea mai simpla modalitate de realizare a programelor este bazata pe exploatarea secventiala a blocurilor componente in cadrul unei structuri fixe, de lungime constanta (Fig. 2.2.).

Fiecare bloc de informatie contine ansamblul de date ce defineste o anumita comanda. Succesiunea de comenzi, intr-o ordine bine precizata, determina o operatie tehnologica completa a robotului. Explorarea blocurilor este realizata de un registru distribuitor incremental la sfarsitul fiecarei secvente tehnologice (o secventa tehnologica reprezinta efectul obtinut prin exercitarea unei singure comenzi). O modalitate superioara de conducere este obtinuta prin structurile variabile de programe (Fig. 2.3.). In acest caz, trecerea de la o comanda la alta este realizata intr-o maniera adaptiva, pe baza deciziilor furnizate de ultimul bloc de date si pe baza informatiilor furnizate de sistemul senzorial al robotului, deci pe baza ultimelor rezultate obtinute din spatiul de operare al acestuia. O astfel de structura confera sistemului de conducere o elasticitate ridicata, o flexibilitate sporita la orice modificari ale parametrilor robotului sau mediului de lucru.

2.1.2. IMPLEMENTARI TEHNOLOGICE ALE SISTEMELOR DE CONDUCERE

Complexitatea sistemului de conducere si gradul de dificultate al operatiilor executate determina adoptarea unor tehnologii specifice de implementare a legilor de conducere. Solutiile oferite de majoritatea robotilor si manipulatoarelor industriale pot fi grupate in doua clase: implementari in logica cablata si implementari in logica flexibila (programata). Prima clasa este reprezentativa pentru acele tipuri de roboti secventiali si manipulatoare care au sisteme de conducere cu cel mult doua nivele ierarhice (inferioare), nivelul executiv si tactic.

Legile de conducere sunt de tip secvential si prezinta un pronuntat caracter de rigiditate, traiectoriile de miscare, impuse de operatiile executate, pastrand constante forma si marimile lor semnificative. Tehnologic aceste sisteme sunt realizate in doua variante: fluidic si electronic. Solutia fluidica este intalnita la primele tipuri de manipulatoare industriale, in momentul de fata preferandu-se aproape in exclusivitate tehnologiile de tip electronic. (Fig. 2.4.). Solutiile flexibile de conducere corespund cerintelor impuse de robotii industriali moderni. Ele ofera avantaje deosebite atat sub raportul performantelor realizate cat si in ceea ce priveste complexitatea problemelor tratate si simplitatea structurilor hardware utilizate. Practic, aceste sisteme sunt implementate in patru variante: cu logica flexibila de tip microprogramat, cu automate programabile, microprocesoare si microcalculatoare. Aceasta esalonare indica de fapt si complexitatea solutiilor adoptate, structurile microprogramate corespunzand unor legi de conducere simple iar conducerea cu microprocesoare si microcalculatoare fiind specifica sistemelor complexe cu o comportare adaptiva fata de schimbarile mediului de operare.
2.1.3.

ARHITECTURI DE CONDUCERE

Complexitatea functiilor realizate si solutia tehnologica de implementare adoptata sunt elemente care prefigureaza o anumita arhitectura de conducere.

Sistemele de conducere in logica cablata se bazeaza in principiu pe un automat secvential a (Fig. 2.5.) realizat dintrun registru de deplasare urmat de o logica de decodificare corespunzatoare. Registrul constituie suportul de stare al automatului, pentru fiecare stare robotul executand o anumita secventa functionala. La sfarsitul fiecarei secvente se genereaza un semnal ce determina incrementarea pas cu pas a registrului. Simplitatea schemei face ca o astfel de structura de conducere sa fie deseori de preferat in comanda manipulatoarelor si a robotilor industriali de tip secvential.

Structurile flexibile cu logica microprogramata sant realizate dintr-un automat secvential constituit dintr-un secventiator programabil si o memorie a carui set de instructiuni defineste atat comenzile necesare fiecarei secvente, cat si evolutia viitoare a automatului si conditiile externe care pot guverna aceasta evolutie. Flexibilitatea sistemului este conferita de elasticitatea informatiei rezidenta in memorie atat sub raport cantitativ cat si calitativ (Fig. 2.6.). O structura superioara de conducere este oferita de automatele programabile. Acestea inlocuiesc practic structurile cablate cu structuri logice programabile (Fig. 2.7.) de tipul memoriilor semiconductoare, retelelor logice programabile (PLA), circuitelor specializate programabile etc. Se obtine, in acest fel, o flexibilitate ridicata a modurilor de operare, o valorificare maxima a capacitatilor de memorie iar prin introducerea unei unitati de dialogare se permite interventia operatorului uman in stabilirea unor regimuri de lucru prioritare.

Sistemele de conducere cu microprocesoare realizeaza o serie de functii de conducere si supraveghere a robotilor utilizand intreaga gama a operatiilor logice si de calcul aritmetic, evaluari cantitative si calitative a unor marimi, prelucrarea unor semnale prin algoritmi de conducere discreta etc. Aceste sisteme au ca suport hardware (Fig.2.8.) familii de microprocesoare pe 8 sau 16 biti sau microprogramate.

Pentru prelucrarea mixta a semnalelor binare si a celor numerice, sistemele de acest tip sunt implementate si in configuratii de tip biprocesor, formate din sectiuni diferite specializate pe interpretarea unor marimi pur secventiale sau a unora numerice

Astfel de sisteme se introduc, in mod firesc, in structuri de conducere ierarhizate, fiecare procesor preluand unul din nivelele ierarhice proprii conducerii robotilor.
2.1.4. CONCLUZII

Majoritatea robotilor si manipulatoarelor industriale opereaza in practica in conditii cunoscute anticipat, functionand ciclic in conformitate cu cerintele tehnologice impuse. Ca urmare, este posibila sinteza unei conduceri nominale, a unui control programat, ce implementeaza miscarea dorita pentru o stare initiala particulara considerand ca nici o perturbatie nu afecteaza miscarea. Un astfel de control poate fi sintetizat utilizand modelul centralizat (global) al robotului.

Intrucat aceste modele sunt, in general, destul de precise, este de asteptat ca traiectoria realizata de robot prin exercitarea acestui control sa fie destul de corect executata. Sinteza acestui control este realizata, de obicei, off-line definind mai intai traiectoria de miscare in conformitate cu cerintele tehnologice de functionare ale robotului si calculand apoi marimile de control necesare pentru actionarea acestuia. Aceasta inseamna ca nivelul de control tactic se reduce la o simpla memorare a traiectoriilor si a secventelor de control. adecvate. Aceasta solutie este, in general, unanim acceptata in aplicatiile industriale ale robotilor si manipulatoarelor, calculul off-line al controlului fiind realizat intr-un calculator suficient de puternic, ce acopera un numar mare de sisteme de conducere, in timp ce controlul efectiv al robotilor la nivel executiv cade in sarcina unor automate locale, microprocesoare sau microcalculatoare specializate. O problema deosebita, in sinteza controlului la nivel tactic, apare datorita redundantei structurii mecanice. Aceasta problema poate fi eliminata prin introducerea unor criterii suplimentare care sa penalizeze si sa restrictioneze posibilitatile de miscare ale robotului. In acest fel, o conducere optima sau suboptimala satisface pe de o parte anumite criterii de performanta si inlatura, pe de alta parte, aspectele conducerii redundante. Evident ca o astfel de tratare presupune o abordare la nivele ierarhice superioare, algoritmii respectivi necesitand un suport hardware si software substantial. Complexitatea modelelor matematice ale intregii structuri mecanice face, de cele mai multe ori, improprie implementarea unor algoritmi de conducere. In acest caz, este preferata decuplarea modelului in subsisteme, in mod normal fiecarei articulatii (sau a unei grupe de articulatii) asociindu-i-se un subsistem. Legea de conducere este determinata din conditiile de stabilizare locala a fiecarui subsistem ceea ce nu conduce intotdeauna la o comportare satisfacatoare pe ansamblul problemei de conducere. In astfel de situatii se introduc suplimentar bucle de reactie globala care sa imbunatateasca performantele dinamice ale sistemului. Noua configuratie de conducere obtinuta poate deveni atat de complexa incat decuplarea realizata in prima faza isi pierde sensul. Cu toate aceste neajunsuri, tehnica decuplarii poate fi utilizata cu succes daca se tine cont de faptul ca, in conditiile definirii fiecarui grad de libertate ca un subsistem propriu, cuplajul intre subsisteme este determinat de fortele si momentele in articulatie. Este posibil sa se elimine interactiunea dintre subsisteme prin introducerea unor bucle de compensare adecvate. Aceasta metoda prezinta inconvenientul utilizarii unor traductoare forta - moment, in general traductoare pretentioase, costisitoare. Cu toate acestea, procedura este atractiva datorita, in special, utilizarii unor algoritmi de conducere mult mai simpli decat in varianta clasica. Conducerea robotilor prin masurarea fortelor-momentelor se impune de asemenea in operatiile de asamblare cand robotul vine in contact direct cu anumite obiecte. In acest caz, conducerea prin controlul fortei permite o mai buna adaptare la fluctuatiile parametrilor spatiului de operare realizand totodata performante dinamice satisfacatoare.

Indiferent de modul de tratare, exemplele de mai sus permit stabilirea unui model matematic general ce caracterizeaza dinamica unui brat mecanic.

(*)

unde q este vectorul coordonatelor generalizate (nx1) pentru cele n articulatii ale sistemului mecanic, J(q) este matricea (nxn) de inertie, V este o matrice de frecare vascoasa (nxn), F( , ,q); i,j=1,,n este vectorul fortelor Coriolis si centrifugale (nx1), G(q) este vectorul (nx1) asociat termenilor dependenti de gravitatie iar M este un vector (nx1) al fortelor de intrare generalizate. Modelul generalizat (*) pune bine in relief complexitatea problemelor ce stau in fata proiectantului sistemului de conducere, probleme ce in mare pot fi formulate in: neliniaritati complexe ce apar in sistemul de ecuatii diferentiale ce descriu dinamica robotului, modificarea continua a parametrilor si coeficientilor acestor ecuatii cu pozitia mecanismului si puternica corelare, interconditionarea generala a parametrilor si coordonatelor sistemului mecanic.
2.2. 2.2.1. Sisteme de conducere neconventionale SISTEME DE CONDUCERE NEURONALE

Retelele neuronale artificiale sunt compuse dintr-o multime de elemente simple cu functionare paralela. Aceste elemente sunt inspirate din sistemul nervos biologic. Functionarea retelei este determinata in mare masura de conexiunile intre elemente. Modul de conectare a acestor elemente, denumite neuroni artificiali sau unitati de procesare, determina arhitectura retelei neuronale. 1. Analogii cu sistemul nervos. Sistemul nervos uman sta in atentia cercetatorilor, principalele lor obiective fiind intelegerea acestuia si realizarea unor modele artificiale ale acestuia.

La baza sistemului nervos sta o celula denumita neuron, care are proprietatea de a primi, prelucra si transmite semnale denumite excitatii. Elementele principale ale neuronului sunt: corpul neuronului si prelungirile neuronului (dendritele si axonul) (Fig.2.1.). Dendritele sunt in numar variabil, terminatiile lor fiind in contact fie cu un axon, fie cu celule epitale. Prelungirea axonica este unica si prezinta la extremitatea libera o ramificatie bogata. Din punct de vedere functional neuronul este element excitoconductor avand atat proprietatea de a se excita, cat si aceea de a conduce excitatia. Excitabilitatea si conductibilitatea nu sunt specifice neuronului, ele sunt atribuite materiei vii. Ca o proprietate specifica neuronului, trebuie considerata interiorizarea sau formarea de engrame. Aceasta consta in aceea ca, ca o modificare produsa in neuron sub influenta unui excitant este conservata si dupa incetarea excitatiei, iar mai tarziu ea poate fi reprodusa. Prin excitarea neuronului ia nastere influxul nervos. Neuronul transmite acest influx fie altor neuroni, fie unor organe efectoare (muschi, glande), punandu-le in stare de functiune. Circulatia influxului nervos se face intr-un sens bine determinat si anume: prin dendrite, de la varful acestora spre corpul neuronului; prin corpul neuronului, de la dendrite la baza axonului; prin axon, de la corpul neuronului spre arborizatia terminala. Din punct de vedere fiziologic neuronii pot fi grupati in 3 categorii: neuroni senzitivi primesc excitatiile receptionate de la celulele senzoriale din mediul extern sau din mediul intern; neuroni motorii ai caror axoni se termina in organele efectoare; neuroni de asociere (conectori) ale caror dendrite fac legatura cu un neuron senzitiv, iar axonul face legatura cu un neuron motor.

In sistemul motor neuronii sunt legati in lanturi, fie intre prelungiri si corpul neuronului (axon-dendrita), fie intre prelungiri si corpul neuronului. Conexiunea aceasta se numeste sinapsa. Trebuie remarcat ca mai multi neuroni sinaptici converg pe un neuron pestsinaptic, iar acesta transmite informatiile primite la un numar mare de neuroni. Sinapsele functioneaza ca adevarate macazuri, putand selecta, amplifica sau bloca influxul nervos. Scoarta cerebrala sau cortexul cerebral este locul celor mai complexe functii de relatie cu mediul inconjurator si de integrare a partilor corpului intr-un tot unitar. Scoarta cerebrala contine un numar de 14 18 miliarde de neuroni. In cortex se intalnesc doua feluri de legaturi: unele care exista din nastere si au caracter definitiv si altele care se formeaza in timpul vietii si au caracter temporar. 2. Tipuri de retele neuronale. Retelele neuronale se pot imparti in doua mare categorii: retele neuronale fara reactie (statice); cu propagare inapoi; cu contrapropagare. retele neuronale cu reactie (dinamice). retele de tip Hopfield; de tip memorii asociative bidirectionale.

Retele neuronale cu propagare inapoi (backpropagation) au un nivel de intrare, un nivel de iesire si eventual unul sau mai multe nivele ascunse. Legaturile dintre diferite nivele au anumite valori care se determina prin procesul iterativ de invatare. Retelele neuronale cu contrapropagare au antrenarea mai rapida. Reteaua este formata din trei nivele neuronale si deci din doua nivele sinaptice. Reteaua se poate imparti in doua submodele: un cuantizator Kohonen si un codor Grossberg. Primul nivel primeste un vector de intrare, iar ponderile modeleaza astfel intrarea incat un singur neuron se activeaza la iesirea acestui nivel. Nivelul de iesire Grossberg recodifica iesirea nivelului Kohonen generand vectorul de iesire. Retele neuronale Hopfield presupun o topologie cu un nivel de intrare si unul de iesire, iar iesirile sunt readuse la nodurile de intrare. Daca iesirile sunt binare, atunci toate iesirile posibile reprezinta varfurile unui hiper-cub. Iesirea activa va trece de la un varf la altul pana cand ajunge intr-o stare stabila. Retele de tip memorii asociative bidirectionale sunt de fapt heteroasociative, adica daca avem un vector la intrare se obtine la iesire un alt vector, asocierea fiind memorata in sinapse la

antrenarea retelei. Reteaua are sens bidirectional adica la aplicarea la intrare a vectorului obtinut la iesire duce la obtinerea vectorului pereche. Daca vectorul de intrare este perturbat intre anumite limite, iesirea ramane corecta. 3. Caracteristicile cele mai importante ale retelelor neuronale artificiale sunt: Capacitatea de invatare retelele neuronale artificiale nu necesita programe puternice ci sunt mai degraba rezultatul unor antrenamente asupra unui set de date; dandu-se un set de intrari (eventual si iesirile dorite) in urma procesului de antrenament se auto-organizeaza astfel ca pot rezolva problemele pentru care au fost proiectate. S-a dezvoltat o gama foarte larga de algoritmi de antrenament, fiecare avand avantajele si dezavantajele sale, putandu-se aplica cu succes in unele cazuri sau fara nici o sansa in altele

Capacitatea de generalizare - daca au fost antrenate corespunzator, retelele sunt capabile sa dea raspunsuri corecte si pentru intrari diferite de cele cu care au fost antrenate, atat timp cat aceste intrari nu sunt foarte diferite. Este important de mentionat ca retelele neuronale artificiale generalizeaza automat ca urmare a structurii lor, nu cu ajutorul inteligentei omului inglobata intrun anumit program special creat in acest scop. Capacitatea de sinteza - retelele neuronale artificiale pot lua decizii sau trage concluzii cand sunt confruntate cu informatii complexe sau cu zgomote irelevante sau partiale. De exemplu o retea poate fi antrenata cu o secventa de versiuni distorsionate ale unei litere. Dupa un proces de antrenare adecvat, aplicarea unei versiuni distorsionate a acelei litere (alta decat cele folosite la antrenare) va avea ca rezultat la iesirea retelei litera corecta. Deci se poate spune ca reteaua a invatat sa recunoasca ceva ce nu a vazut mai inainte. 4. Un cadru pentru reprezentari distribuite O retea artificiala consta intr-o reuniune de unitati de procesare simple care comunica prin trimiterea semnalelor intre ele printr-un mare numar de conexiuni ponderate. Se pot distinge o serie de aspecte majore ale unui model paralel distribuit: o multime de unitati de procesare fiecare unitate receptioneaza intrarea de la vecini sau din surse externe si o foloseste pentru a calcula un semnal de iesire care se propaga la alte unitati; o stare a activarilor ai pentru fiecare unitate, si care determina iesirea unitatii; conexiunea intre unitati in general fiecare conexiune este definita printr-o pondere wij care determina efectul pe care il are semnalul unitatii j asupra unitatii i;

o regula de propagare, cu care se determina intrarea efectiva ii din intrarile sale externe; o functie de activare Fi care determina noul nivel de activare bazata pe intrarea efectiva ii(t) si starea curenta ai(t); o intrare externa sau offset pentru fiecare unitate; o metoda pentru adunarea informatiilor; un mediu in interiorul caruia sistemul trebuie sa lucreze, furnizand semnalele de intrare si daca este necesar semnalele de eroare. 5. Arhitectura retelei Din punct de vedere al conexiunilor, principala distinctie se poate face intre: retele neuronale fara reactie (feed-forward networks) in care datele circula de la intrare la iesire strict direct. Procesarea datelor poate fi extinsa la straturi multiple de unitati, dar fara sa existe conexiuni inverse; retele neuronale recurente (recurrent networks) care contin conexiuni inverse. Spre deosebire de retelele fara reactie, aici sunt importante proprietatile dinamice ale retelei. In unele cazuri, valoarea de activare a unitatii trece printr-un proces de relaxare care face ca neuronul sa evolueze intr-o stare stabila in care aceasta activare nu se mai modifica. In alte aplicatii, modificarile valorilor de activare ale neuronului sunt importante, in care comportamentul dinamic constituie chiar iesirea retelei.

6. Instruirea retelelor neuronale artificiale O retea neuronala trebuie sa fie configurata astfel incat aplicarea unui set de intrari sa produca un set de iesiri. O cale este setarea explicita a ponderilor, folosind o cunoastere anterioara a lor. Alta cale este sa instruiasca reteaua neuronala din alimentarea ei cu modele (pattern) de invatare si permitandu-i sa isi modifice ponderile in conformitate cu niste reguli de invatare. Paradigmele invatarii Situatiile invatarii se pot clasifica in doua tipuri distincte: Invatare supervizata sau invatare asociativa in care reteaua este instruita prin furnizarea modelelor intrarii si a iesirii corespunzatoare. Aceste perechi intrare-iesire pot fi furnizate de un invatator extern, sau de un sistem pe care il contine reteaua (auto-supervizare). Invatare nesupervizata sau Auto-organizare (Self-organisation) in care o unitate (de iesire) este instruita sa raspunda la adunarea modelelor de intrare in jurul unor valori. In contradictie cu paradigmele invatarii supervizate, nu exista un set de categorii in care

modulele sa fie clasificate, mai degraba sistemul trebuie sa isi dezvolte propria reprezentare a stimulilor de intrare. Modificarea modelelor de conexiuni Cele doua paradigme prezentate mai sus au drept rezultat ajustarea ponderilor conexiunilor dintre unitati, in conformitate cu niste reguli de ajustare. Ideea de baza este ca daca doua unitati i si j sunt active simultan, trebuie intarita interconexiunea dintre ele.
2.2.2. SISTEME DE CONDUCERE FUZZY

Metodele de conducere conventionala se bazeaza pe o modelare corespunzatoare a sistemului supus reglarii si o tratare analitica cu ajutorul functiilor de transfer sau a ecuatiilor de stare. In majoritatea cazurilor, o tratare completa a problemei conducerii impune cunostinte avansate de matematica si sisteme de conducere. Conducerea bazata pe teoria multimilor vagi (logica vaga), sau conducerea fuzzy, este mult mai pragmatica, putand prelua si utiliza o caracterizare lingvistica a calitatii desfasurarii procesului si adapta aceasta caracterizare functie de cerintele concrete de desfasurare a acestuia. Notiunea de multime vaga porneste de la notiunile:

ideea de apartenenta partiala la o clasa; categoria de limite slab definite; gradualitatea in trecerea de la o situatie la alta, admiterea de situatii intermediare intre tot si nimic.

Dezvoltarea acestor notiuni furnizeaza posibilitati de reprezentare si manipulare a cunostintelor insuficient descrise, vagi sau imprecise si stabilesc o interfata intre date descrise simbolic (prin cuvinte) si numeric (prin cifre). Logica fuzzy constituie un mod de abordare a unor modele de procese sau sisteme incomplet cunoscute sau definite si opereaza cu inferente logice (judecati) similare cu rationamentul uman. Implementarea ei conduce la realizarea unor controlere ce contin elemente de inteligenta artificiala. Comanda in logica fuzzy este avantajoasa (prezinta interes) pentru urmatoarele motive:

poate fi aplicata in cazul unor modele vag definite; poate trata intr-un cadru comun cunostinte furnizate numeric (de traductoare, instrumente de masura) si cunostinte exprimate simbolic (de catre un observator sau operator uman);

sinteza cunostintelor mai multor experti este usor de realizat; este posibila coordonarea mai multor obiective; este robusta, se comporta bine la perturbatii care pot afecta procesul; este usor de realizat si de adaptat conditiilor functionale ale procesului, deci flexibila.

Principalele particularitati ale conducerii fuzzy a proceselor pot fi sintetizate prin urmatoarele: conducerea fuzzy se bazeaza pe regulatoare denumite regulatoare fuzzy cu caracteristica statica neliniara, influentabila/modificabila dupa nevoi; conducerea fuzzy poate fi asigurata dupa mai multe marimi ale procesului fiind incadrabila din acest punct de vedere in categoria structurilor de conducere cu conexiuni multiple; prin aceasta, regulatorul fuzzy devine multivariabil la intrare (eventual si la iesire) si se apropie ca si continut de regulatoarele dupa stare; principial, regulatoarele fuzzy sunt regulatoare fara dinamica, dar domeniile de utilizare si performantele lor, respectiv ale sistemelor de reglare automata cu regulatoare fuzzy pot fi largite prin extinderea regulatoarele fuzzy propriu-zise cu module cu dinamica; ca efect se obtin asa numitele regulatoarele fuzzy cu dinamica; cum dinamica introdusa creeaza componente de tip derivativ si/sau integrator, aceste regulatoare vor fi denumite regulatoarele fuzzy cvasitipizate; regulatoarele fuzzy prezinta maleabilitate in modificarea proprietatilor de transfer (prin caracteristici statice generalizate), ceea ce asigura posibilitatea realizarii, intr-o varietate mare, a structurilor de conducere adaptiva.

Abordarea bazata pe experienta umana se manifesta in cazul conducerii fuzzy prin formularea cerintelor de conducere, respectiv prin elaborarea comenzii regulatorului fuzzy cu ajutorul unor reguli naturale (set de reguli) de forma: DACA (premisa) ATUNCI (concluzia) unde premisa se va referi la situatia constatata privind evolutia procesului condus (comparata de regula cu evolutia dorita), iar concluzia se va referi la masurile ce trebuie luate sub forma comenzii u(t) pentru asigurarea evolutiei dorite. Ansamblul acestor reguli va constitui baza de reguli a regulatorului fuzzy. Cercetarile intreprinse, referitoare la comportarea expertului uman, au evidentiat ca acestuia ii este de fapt specifica o comportare puternic neliniara insotita/completata cu efecte de anticipare, de intarziere, de predictie si chiar de adaptare la conditiile concrete de functionare. Nuantarea caracterizarii lingvistice a desfasurarii evolutiei procesului condus (si, corespunzator, a caracterizarii matematice vagi) precum si interpretarea bazata pe experienta a procesului de

generare a comenzii necesare si de analiza a evolutiei procesului condus, vor fi in ultima instanta parametrii prin care se pot modifica proprietatile regulatorului fuzzy. Din acest punct de vedere sistemele de conducere bazate pe logica fuzzy pot fi incadrate in domeniul foarte general al sistemelor de conducere expert, fara insa a le confunda cu acestea. Schema bloc (considerata clasica in literatura) aferenta unui sistem de reglare automata monovariabil din punctul de vedere al referintei (w) si al numarului de iesiri de apreciere (y) prevazut cu regulator fuzzy este prezentat in Fig.2.2. Particularitatea esentiala este cea a conexiunilor multiple dinspre proces catre regulator prin marimi auxiliare, reunite in vectorul si care sunt direct sau indirect marimi de intrare in regulator.

Indiferent de numarul marimilor de intrare in regulatorul fuzzy, acesta trebuie sa aiba cel putin una, notata in schema cu e1, care sa corespunda erorii de reglare:

Principial, functionarea unui regulator fuzzy presupune urmatoarea succesiune de operatii (Fig. 2.3.):

Informatia ferma de la intrare (marimi masurate, marimea prescrisa, eroarea de reglare) este convertita intr-o reprezentare vaga. Aceasta operatie este numita fuzificarea informatiei ferme. Informatia fuzzificata este prelucrata pe baza unui set de reguli (baza de reguli) care in vederea conducerii procesului in cauza trebuie sa fie bine precizate. Principiile (regulile de evaluare) a setului de reguli poarta denumirea de schema de inferenta, iar rezultatul il constituie forma vaga a comenzii u (comanda vaga).

Comanda vaga trebuie convertita intr-o exprimare ferma, cu valoare numerica bine precizata si, ulterior, si natura fizica bine precizata, direct utilizabila la nivelul elementului de executie. Operatia poarta numele de defuzificare.

Blocul de fuzificare transforma datele de intrare, eroarea sistemului, in marimi fuzzy, atribuind acestor marimi variabile lingvistice si asociindu-le functii de apartenenta corespunzatoare. Blocul de inferente reprezinta partea principala a unui CLF. Acest bloc genereaza legea de control sub forma unei familii de reguli logice de tipul IFTHEN ce descriu relatiile intre intrarea e (eroare) si iesirea u a controlerului. Adaptand un model direct, aceste reguli implementeaza de fapt o lege de forma generala:

Din considerente practice, implementarea unei astfel de legi pentru este extrem de complexa si dificil de aplicat. In mod curent, legea de control de mai sus capata forma simplificata:

sau:

Existenta unei legi de conducere de tipul (1.6.9)-(1.6.11) nu inseamna ca CLF poate fi definit printr-o functie de transfer sau printr-o ecuatie de diferente. Legea de control este generata prin baza de reguli IFTHEN sub forma:

si deci iesirea actuala se obtine sub forma:

un astfel de CLF este numit CLF-Mamdani dupa numele cercetatorilor Mamdani si Assilian care l-au propus prima data in anul 1975 (Fig. 2.4.)

1. Fuzificarea marimilor in CLF Interfatarea pe intrare a unui astfel de controler este realizata prin blocul de fuzificare. Acesta trebuie sa asigure: Conversia marimilor de intrare (eroare) e intr-o forma digitala compatibila cu procesarea ulterioara in logica fuzzy. Daca eroarea e este un semnal continuu, se impune o conversie analog-numerica corespunzatoare. De asemenea, daca e este un semnal numeric, o procesare numerica suplimentara este necesara pentru asigurarea performantelor dorite. Formarea variabilelor ce vor determina conditiile antecedentului in baza de reguli a CLF. In general, asa cum s-a aratat anterior, o prima variabila de intrare este eroarea e(k), dar impunerea unor conditii complexe necesita generarea si a altor variabile de intrare. Acestea pot fi definite prin marimea de eroare evaluata la cateva momente de timp, e(k-1), e(k-2),, e(k-v) sau de alte variabile de stare ale sistemului condus, cum ar fi viteza sau acceleratia bratului mecanic (pentru controlul unui sistem robot).

Exprimarea variabilelor de intrarea ca multimi fuzzy. In acest sens, marimilor fizice li se atribuie variabile lingvistice, variabile fuzzy si functii de apartenenta. Se determina totodata universul de discurs pe care este definita fiecare variabila. Functiile de apartenenta utilizate in sistemele de conducere au forme triunghiulare sau trapezoidale. De asemenea, universul de discurs este frecvent ales ca [-1,1] iar variabilele de intrare astfel definite sunt considerate normalizate. Este evident ca aceasta impune utilizarea unor factori de scala corespunzatori pentru fiecare variabila. In Fig.2.5.a sunt reprezentate functiile de apartenenta a cinci multimi fuzzy ce reprezinta etichetele lingvistice ale erorii: NM, NI, Z, PI, PM (NEGATIV MARE, NEGATIV INFERIOR, ZERO, POZITIV INFERIOR, POZITIV MARE, respectiv). Rangul de operare al erorii, universul sau de discurs, se presupune [-1,1]. Se observa ca trei multimi au functii de apartenenta triunghiulare iar doua, trapezoidale.

In mod analog, in Figura Fig.2.5.b sunt reprezentate cele trei functii de apartenenta ale multimilor fuzzy asociate etichetelor lingvistice ale variatiei erorii e: N,Z,P (NEGATIV, ZERO, POZITIV) al carui univers de discurs este de asemenea normalizat.

In Figura Fig.2.5.c sunt prezentate functiile de apartenenta ale multimilor fuzzy ce reprezinta acceleratia miscarii ( ), in conditiile in care baza de reguli ce urmeaza a fi stabilita impune introducerea acestor variabile. Sunt definite sapte multimi fuzzy asociate etichetelor NM, NS, NI, Z,PI, PS, PM (NS=NEGATIV SUPERIOR, PS=POZITIV SUPERIOR). Universul de discurs nu mai este normalizat si este utilizat chiar domeniul de variatie al variabilei de stare, acceleratia .

Functiile alese pot fi simetrice sau nesimetrice (in raport cu originea), triunghiulare sau trapezoidale, echidistante sau nu, pe universul de discurs normalizat sau nu. Totusi, indiferent de modalitatile de alegere se impun categoric respectarea urmatoarelor conditii: , ,

O analiza elementara indica ca prima relatie impune ca pentru orice punct din universul de discurs, U sa fie definita cel putin o functie . A doua conditie este determinata de o anumita comoditate in calculele numerice ale CLF. Particularitatile specificate mai sus sunt valabile pentru functiile de apartenenta asociate numai variabilelor de intrare intr-un CLF. Variabilelor de iesire, marimile crisp, li se asociaza de asemenea functii de apartenenta, dar acestora nu li se mai impun restrictiv aceste conditii. 2. Baza de reguli Partea principala a unui CLF, cea care implementeaza algoritmul de conducere al sistemului este baza de reguli (blocul de inferente) a sistemului. Asa cum am aratat in paragrafele anterioare, fiecare regula este formata din doua parti: partea IF numita si antecedent si o parte THEN numita consecinta.

IF

THEN

IF

THEN

Antecedentul contine conditia sau conditiile (variabile de intrare) care activeaza regula. Daca mai multe variabile formeaza conditiile de activare, acestea sunt legate prin AND. Consecinta permite generarea variabilei sau a variabilelor de iesire activate ca urmare a indeplinirii conditiilor regulii. Pentru a fixa ideile vom exemplifica baza de reguli pentru un sistem de conducere al unui brat in miscare de translatie (Fig.2.6.).

Se va construi baza de reguli pentru un CLF cu doua variabile de intrare e(k) si e(k) si o variabila de iesire u(k). Se va presupune ca universul de discurs este normalizat atat in ceea ce priveste variabilele de intrare cat si pe cea de iesire, iar functiile de apartenenta au forma din Fig. 2.7.

Formarea corecta a bazei de reguli depinde de ordinul sistemului condus si de performantele dorite. In principiu, nu exista o procedura sistematica pentru determinarea regulilor, acestea fiind determinate in mare masura de abilitatea si experienta proiectantului. Totusi, pentru cazul analizat, regulile pot fi stabilite relativ usor, acestea fiind determinate de conditia evolutiei stabile a sistemului catre o dreapta de comutare. In sinteza, baza de reguli pentru exemplul discutat, contine noua reguli in forma urmatoare: Regula 1 IF e este N AND e este P THEN u este Z Aceasta regula sugereaza ca in conditiile in care eroarea este negativa si variatia ei este pozitiva, comanda generata u poate fi zero, evolutia sistemului ducand catre domeniul e=0. Celelalte reguli au interpretari similare. Regula 2 IF e este Z AND e este P THEN u este N Regula 3 IF e este P AND e este P THEN u este N

Regula 4

IF e este N AND e este Z THEN u este P

Regula 5

IF e este Z AND e este Z THEN u este Z

Regula 6

IF e este P AND e este Z THEN u este N

Regula 7

IF e este N AND e este N THEN u este P

Regula 8

IF e este Z AND e este N THEN u este P

Regula 9

IF e este P AND e este N THEN u este Z

Se remarca ca fiecare regula este definita prin operatorul logic AND (SI) ce defineste intersectia conditiilor logice asociate regulii. Desi, neformulat explicit, baza de reguli contine si operatorul OR (SAU) aplicat ca operator reuniune intrinsec pe multimea regulilor bazei. Exemplu anterior poate fi rescris sub forma urmatoare: Regula 1 Regula 2 . . . .. , OR .. , OR